بررسی حافظه بلندمدت شاخص بورس اوراق بهادار تهران

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 255

This Paper With 28 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_DANESH-25-15_006

تاریخ نمایه سازی: 12 بهمن 1399

Abstract:

نتایج حاصل از پژوهش‌های مختلف در خصوص کارآیی برخی از بورس‌های اوراق بهادار نشان می‌دهند که این بازارها فاقد کارآیی، حتی در شکل ضعیف هستند؛ بنابراین ﺑﺎ در ﻧﻈﺮﮔﺮﻓﺘﻦ ناﮐﺎرآﯾﯽ این بازارها می‌توان ﻧﺘﯿﺠﻪ ﮔﺮﻓﺖ که ﺑﺎ اﻧﺠﺎم ﻣﻌﺎﻣﻼﺗﯽ ﺑﺮاﺳﺎس ﻣﺠﻤﻮﻋﻪای از اﻃﻼﻋﺎت، می‌توان ﺳﻮد اﻗﺘﺼﺎدی ﮐﺴﺐ نمود؛ به این معنا ﮐﻪ ﻋﺪم ﮐﺎرآیی نشانه این امر است ﮐﻪ می‌توان مدل‌هایی طراحی کرد تا سودهای غیرمتعارفی به دست آید. پژوهش‌های فراوانی به‌منظور بررسی حافظه بلندمدت و طراحی مدل‌های پیش‌بینی شاخص‌های آینده انجام گرفته است و در این پژوهش سعی گردیده تا از یک زاویه دیگر، یعنی از روش آرفیما و روش تحلیل دوره نگار (که یک روش تجزیه‌وتحلیل سری زمانی است) برای بررسی حافظه بلندمدت و همچنین طراحی مدل پیش‌بینی استفاده شود. هدف اصلی این پژوهش تجزیه‌وتحلیل سری زمانی شاخص‌های‏ کل و مالی بورس اوراق بهادار تهران است که قلمرو زمانی آن به‌صورت روزانه از 08/01/1383 لغایت 24/04/1394 است. بدین منظور از روش‏هایی از قبیل تبدیل باکس کاکس، دیکی فولر، با استفاده از نرم‌افزارهای SAS9.4 و R استفاده شده است. نتایج این پژوهش نشان می‌دهند که شاخص‌های بورس اوراق بهادار تهران دارای حافظه با دامنه بلندمدت است، همچنین روش تحلیل دوره نگار در مقایسه با روش آرفیما، روش مناسبی برای پیش‌بینی شاخص‌های بورس اوراق بهادار است و درنهایت می‌توان بیان کرد که دوره نهان (دوره قابل تکرار) در بین داده‏های شاخص بورس وجود دارد.

Keywords:

واژگان کلیدی: پیش بینی , شاخص کل , شاخص مالی , حافظه بلندمدت , مدل آرفیما , مدل تحلیل دوره نگار

Authors

مهدی مرادی

فردوسی مشهد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • منابع و ماخذ ...
  • منابع فارسی ...
  • تهرانی رضا، شاپورمحمدی، پورابراهیمی محمدرضا (1389). مدل سازی وپیش بینی ...
  • خالوزاده، حمید (١٣٧٧). مدل سازی غیرخطی وپیش بینی رفتار قیمت ...
  • دموری، داریوش؛ فرید، داریوش، اشهر مرتضی (1390). پیش بینی شاخص ...
  • پیش بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از مدلهای پیوندی [مقاله کنفرانسی]
  • راعی، رضا و چاوشی،کاظم(۱۳۸۲).پیش بینی بازده سهام در بورس اوراق ...
  • زارع، ایمان (1384). فرضیه ی بازار کارا از نوع ضعیف ...
  • سینایی حسینعلی؛ مرتضوی، سعیدالله؛ تیموری اصل، یاسر (1384). پیش بینی ...
  • شعرایی سعید و ثنائی اعلم محسن (1389). بررسی وجودحافظه بلندمدت ...
  • صمدی سعید،نصراللهی خدیجة، ثقفی کلوانق رضا (1388) . ارزیابی پیش‌بینی ...
  • طلوع اشلقی، عباس. حق دوست، شادی (1382) مدل سازی پیش ...
  • عرفانی، علیرضا.(1387).بررسی حافظة بلند مدت بودن شاخص کل قیمت بورس ...
  • عرفانی، علیرضا. (1388) . پیش بینی شاخص کل،ARFIMA بورس اوراق ...
  • قلی زاده، محمد حسن؛ وحید پور، قاسم (1392). پیش بینی ...
  • کشاورزحداد، صمدی،باقر (1388).برآورد و پیش بینی تلاطم بازده ی در ...
  • بررسی حافظه بلندمدت در نوسان های بازدهی شاخص بورس اوراق بهادار تهران [مقاله ژورنالی]
  • محمدی شاپور، چیت سازان هستی (1390) . بررسی حافظه بلند ...
  • بررسی روندحافظه ی بلندمدت در بازارهای جهانی نفت [مقاله ژورنالی]
  • مرادی مهدی، صدوقی یزدی هادی، عبدالهیان جواد (1394) . رویکرد ...
  • منابع لاتین ...
  • Allagidede, P (2011). “Return Behavior in Africa s Emerging Equity ...
  • Alam, Z; Siddikee, N; Masukujjaman, M (2013). “Forecasting Volatility of ...
  • Araujo, de A; Ricardo, Ferreira, A.E. Tiago (2009) “A Morphological-Rank-Linear ...
  • Asadi, Shahrokh& Hadavandi Esmaeil& Mehmanpazir Farhad&Nakhostin Mohammad Masoud (2012). “Hybridization ...
  • Barkoulas, J. T; & Baum, C. F (1996). “Long Term ...
  • BERG, L. (1998). “Short and long-rundependence in Swedish stock returns”.Applied ...
  • Boubaker, H; Sghair, N (2013). “Portfolio optimization in the presence ...
  • Crato, N; & de Lima, P. J. (1994). “Long-range dependence ...
  • Garliuskas, A. (1999). “Neural Network Chaos and computationalalgorithms of forecast ...
  • Green, L; Myerson, J (2003). “Discounting delayedband probabilistic rewards”, Journal ...
  • Kara Yakup;Boyacioglu Melek Acar;Baykan omer Kaan (2011) “Predicting direction of ...
  • Kim, M. J; Nelson, C. R; starts, R. (1991). “Mean ...
  • Lendasse, A; et al (2000). “Non-Linear financial time seriesforecasting application ...
  • Majhi, Ritanjali; Panda, G; Sahoo, G. (2009) “Development and performance ...
  • Man, K. S. (2003). “Long memorytime series and short term ...
  • Murari, K (2013). “Volatility Modeling and Forecasting for Banking Stock ...
  • Olan, T. H. (2002). “Long memoryin stock returns: some internationalevidence”. ...
  • Poon, S; C. Granger (2003). "Forecasting Volatility in Financial Markets: ...
  • Tan, P.P; Galagedera, D.U.A; Maharaj, E.A (2012). “A wavelet basedinvestigation ...
  • Tripathy, N (2015). “TESTING FOR LONG MEMORY IN THE INDIAN ...
  • Tsay, R. S (2010). “Analysis of Financial Time Series”. Wiley, ...
  • Yajima, Y (1985). “On Estimation of Long-Memory Time Series Models”. ...
  • نمایش کامل مراجع